Nút điều chỉnh mức độ quảng cáo nội dung bản địa cho AI

Giai đoạn “trăng mật” của AI phổ biến vẫn chưa hẳn kết thúc. Nếu so sánh với quá trình chuyển từ thời kỳ hoàng kim của Netflix sang tình trạng phân mảnh và thương mại hóa hiện nay của các dịch vụ phát trực tuyến, thì chúng ta đang ở khoảng năm 2019. OpenAI, đơn vị đang giữ vị thế dẫn đầu, hiện phải cạnh tranh quyết liệt với một loạt đối thủ có tiềm lực tài chính dồi dào; chưa đối thủ nào giành được lợi thế đủ vững chắc để mạo hiểm áp quảng cáo lên nhóm người dùng dễ thay đổi của mình.

Tương tự, ChatGPT hiện chỉ giới hạn quảng cáo trong cuộc trò chuyện ở người dùng gói Free và Go; quảng cáo của Gemini chỉ xuất hiện trong AI Overviews và AI Mode; Perplexity đã từ bỏ kế hoạch quảng cáo vào mùa đông năm ngoái; xAI dự kiến sẽ có quảng cáo vào một thời điểm nào đó; Microsoft Copilot đã có quảng cáo; còn Claude hoàn toàn bác bỏ khả năng này.

Nhưng chúng ta biết tình trạng này không thể kéo dài; khi chi phí suy luận thực sự dần lộ rõ và các đợt IPO AI sắp tới đặt yêu cầu của cổ đông lên hàng đầu, lịch sử cho thấy chúng ta có thể kỳ vọng rằng rốt cuộc sẽ phải bắt đầu xem xét kỹ đầu ra của LLM để phân biệt nội dung dựa trên quảng cáo với nội dung phi thương mại.

Tăng âm lượng lên 11

Bên cạnh những vấn đề về mức độ cá nhân hóa của quảng cáo và cách nhắm mục tiêu theo nhân khẩu học, các nhà cung cấp sẽ cần cân nhắc mức độ và hình thức tích hợp nội dung thương mại.

Điều này không hề dễ dàng: quảng cáo quá kín đáo thì giữ chân được nhiều người dùng hơn nhưng lại mất đi những nhà quảng cáo giá trị cao; còn nội dung quảng cáo được tích hợp sâu hơn có thể lách các quy định về công bố thông tin, giúp giành được hợp đồng quảng cáo tốt hơn nhưng cũng có thể gây tranh cãi và kéo theo những hệ quả tiêu cực khác.

Hơn nữa, các nền tảng quảng cáo phân theo gói dịch vụ có thể đòi hỏi mức độ “âm lượng” và tích hợp khác nhau, dù các biến số của LLM khá khó định lượng. Chẳng hạn, một phương pháp trước đây nhằm tạo ra một dạng “bộ điều chỉnh âm lượng” cho quảng cáo trong đầu ra của LLM rốt cuộc lại để lộ các thuật ngữ định lượng trong cuộc trò chuyện:

Từ bài báo mới, ví dụ về các nhãn của một phương pháp “điều chỉnh âm lượng” cũ thực sự bị lộ trong văn bản được tạo ra. Nguồn

Ví dụ trên được trích từ một bài báo mới* nghiên cứu hai vấn đề then chốt trong quảng cáo dựa trên LLM: kiểm soát mức độ nổi bật của quảng cáo trong câu trả lời của chatbot và xác định những phần nào trong các câu trả lời đó là quảng cáo trả phí:

Sơ đồ về phương pháp AdKnob mới. Ở bên trái, Subway có thể là một trong số các gợi ý hoặc là trọng tâm chính, tùy theo mức quảng cáo được chọn. Ở bên phải, các phần được tô màu xanh lá đánh dấu nội dung quảng cáo trong câu trả lời được tạo ra.

Phương pháp mang tên AdKnob sử dụng thang đo bốn mức để xác định mức độ chatbot quảng bá một sản phẩm, đồng thời nhận diện các câu có chứa quảng cáo. Mục tiêu là giúp dễ dàng xác định nội dung quảng cáo mà không cần chạy các mô hình bổ trợ hay làm chậm quy trình theo bất kỳ cách nào — vốn là điều đặc biệt quan trọng trong một trong những ngành phát triển nhanh nhất hiện nay.

Từ phần phụ lục của nghiên cứu mới, các ví dụ về văn bản được chèn quảng cáo được đánh dấu màu đỏ.

Phương pháp AdKnob được thử nghiệm trên sáu mô hình AI của Alibaba, Microsoft và Meta. Trong mỗi trường hợp, lượng quảng cáo có thể được điều chỉnh theo bốn mức, từ việc nhắc đến sản phẩm một cách tự nhiên đến câu trả lời gần như hoàn toàn tập trung quảng bá thương hiệu.

Ở mức “âm lượng” mạnh nhất của AdKnob (ở đây là “4”, chứ không phải “11” trong thần thoại), thông điệp thương hiệu thường chiếm ưu thế trong đầu ra.

Cần dùng các mô hình có trọng số mở vì phải sửa đổi các tham số nội bộ của chúng trong quá trình huấn luyện và kiểm tra các mẫu chú ý để nhận diện quảng cáo trong câu trả lời được tạo ra; do đó, không thể thử nghiệm trên các mô hình tiên phong chỉ có thể truy cập qua API.

Kết quả được đánh giá với 913 người thông qua Amazon Mechanical Turk. Khi câu trả lời của AdKnob được so sánh với câu trả lời từ bốn phương pháp đối thủ, chúng được ưu tiên trong khoảng từ 75% đến gần 90% số lần.

Thật khó tin, tính hữu ích và nhãn quảng cáo rõ ràng là hai trong số những lý do chính được nêu ra. Ngay cả ở cài đặt quảng cáo cao nhất, câu trả lời vẫn nhận được điểm chất lượng trung bình 3,1 trên 4, so với 3,6 ở cài đặt thấp nhất.

Các tác giả cho rằng AdKnob cũng tỏ ra hiệu quả hơn trong việc xác định câu nào có chứa quảng cáo; hơn nữa, trên một trong những mô hình được thử nghiệm, quá trình kiểm tra này chỉ mất ba mili giây cho mỗi câu trả lời — mức chi phí xử lý phát sinh đủ thấp để chấp nhận được và không cần tạo token chuyên biệt, khác với một số phương pháp trước đây.

Để vận hành hệ thống mới, các nhà nghiên cứu đã phát triển tập dữ liệu MI-KnobSet dựa trên tập dữ liệu Webis Generated Native Ads 2024 trước đó, mở rộng bộ dữ liệu cũ để bao quát nhiều mức độ quảng cáo khác nhau trong câu trả lời của chatbot, với 3.946 ví dụ huấn luyện và 913 trường hợp kiểm thử.

Các tác giả cho biết:

‘[AdKnob] cho phép một mô hình ngôn ngữ lớn (LLM) duy nhất tạo câu trả lời với nhiều mức độ quảng cáo khác nhau. Hàm mất mát quy kết quảng cáo còn củng cố mối liên hệ giữa các token đầu vào liên quan đến quảng cáo và nội dung quảng cáo được tạo ra, nhờ đó việc gắn nhãn quảng cáo trở nên chính xác khi mô hình suy luận.

‘Các thử nghiệm trên sáu mô hình nền tảng và nghiên cứu người dùng cho thấy AdKnob luôn vượt trội so với các phương pháp cơ sở hiện có về cả chất lượng quảng cáo lẫn khả năng gắn nhãn quảng cáo. Nghiên cứu của chúng tôi tạo nền tảng thực tiễn cho hoạt động quảng cáo minh bạch và có thể kiểm soát, được tích hợp tự nhiên vào LLM trong các dịch vụ thực tế.’

Phương pháp

Khác với phương pháp trước đó đã đề cập, trong đó những từ dùng để định lượng mức tăng cuối cùng bị rò rỉ vào đầu ra, phương pháp mới sử dụng bốn token điều khiển được thiết kế riêng, mỗi token biểu thị một mức độ quảng cáo khác nhau:

q̂ = q ⊕ [AD_LV_n]

Dĩ nhiên, token n ở trên có thể đại diện cho một số bất kỳ, nhưng trong trường hợp này, AdKnob giới hạn phạm vi ở mức 1–4 (có lẽ đây là mức phân chia chi tiết nhất có thể đối với những biến số cụ thể này, tức là mức độ nội dung quảng cáo «lộ liễu» và «ồn ào» đến đâu).

Vì những token trừu tượng này chưa có ý nghĩa nào từ trước, mô hình có thể học mục đích dự định của chúng mà không nhầm lẫn với ngôn ngữ thông thường.

Các tác giả giải thích rằng mô hình sau đó được huấn luyện bằng phương pháp Tối ưu hóa sở thích trực tiếp (DPO) để điều chỉnh các token điều khiển theo mức độ quảng cáo mong muốn:

‘[We] do đó xây dựng các cặp sở thích dựa trên hai thước đo: [score], đánh giá mức độ nổi bật và tích cực mà thương hiệu cùng nội dung quảng cáo được đưa vào câu trả lời, và [score], đánh giá mức độ câu trả lời đáp ứng yêu cầu của người dùng [query].’

Để tạo tập dữ liệu gồm các cặp, các câu trả lời ứng viên được chấm điểm về mức độ quảng cáo, tính liên quan, độ trôi chảy và lượng thông tin được giữ lại so với câu trả lời không có quảng cáo; sau đó, các điểm số này được dùng để chọn ví dụ huấn luyện cho từng mức quảng cáo.

Với mỗi tình huống quảng cáo, 25 câu trả lời khả thi được tạo bằng GPT-4o, sử dụng các câu lệnh khuyến khích những mức độ quảng bá sản phẩm khác nhau. Câu trả lời đạt điểm cao nhất ở mỗi mức mục tiêu được chọn cùng với ba phương án thay thế cố ý kém hơn, thể hiện chất lượng thấp, mức độ quảng cáo không chính xác hoặc cả hai:

Điểm quảng cáo của 25 câu trả lời ứng viên được tạo bằng năm câu lệnh khác nhau. Mức độ chồng lấn đáng kể giữa năm đường cong cho thấy chỉ dùng câu lệnh thôi không thể tạo ra các mức quảng cáo khác biệt một cách đáng tin cậy.

Những phép so sánh này được dùng để huấn luyện mô hình bằng kỹ thuật DPO đã nêu, giúp mô hình tạo ra câu trả lời phù hợp với mức quảng cáo được yêu cầu mà vẫn hữu ích và tự nhiên.

Thử nghiệm

AdKnob được đánh giá ở bốn mức độ quảng cáo trên sáu mô hình: Qwen3-4B-Instruct; Phi-4-Mini-Instruct (3.8B); LLaMA-3.2-3B-Instruct; Qwen2.5-14B-Instruct; Phi-4 (14B); và LLaMA-3.1-8B-Instruct.

Mức độ quảng cáo và chất lượng câu trả lời được chấm điểm riêng, còn độ chính xác của việc gắn nhãn quảng cáo được đo bằng ROC-AUC; độ chính xác và độ thu hồi; cùng F1.

Các mô hình được tinh chỉnh bằng phương pháp Thích ứng hạng thấp (LoRA), giới hạn câu trả lời được tạo ở mức 500 token và đặt ngưỡng gắn nhãn quảng cáo là 0,005. Tất cả thử nghiệm đều được tiến hành trên duy nhất một GPU NVIDIA H200, với dung lượng VRAM HBM3e lên tới 141 GB, một con số khiến người ta phải choáng ngợp.

Bốn phương pháp được dùng làm đối chuẩn. Với nhóm hai bước , quảng cáo được chèn vào câu trả lời đã tạo trước đó; còn với nhóm dựa trên câu lệnh, quảng cáo được đưa vào thông qua các câu lệnh hệ thống.

Hai phương pháp còn lại là: JU-NLP, sử dụng tinh chỉnh để ưu tiên quảng cáo ít phô trương hơn; và NL-prompt (các câu lệnh hệ thống thông thường nêu mức độ quảng cáo, không qua huấn luyện bổ sung), sử dụng chỉ dẫn bằng ngôn ngữ tự nhiên để yêu cầu bốn mức độ quảng cáo: kín đáo (L1); vừa phải (L2); mạnh; (L3); và tối đa (L4).

Ba phương pháp gắn nhãn quảng cáo đã được so sánh: Marker, phương pháp yêu cầu mô hình đánh dấu quảng cáo trong khi viết; BERTScore, phương pháp đánh dấu những câu tương tự nội dung quảng cáo được cung cấp; và AttnLRP, được dùng để truy vết ảnh hưởng của quảng cáo trong các hoạt động nội bộ của mô hình:

Kết quả thử nghiệm so sánh cường độ quảng cáo và chất lượng câu trả lời trên bốn mô hình AI. AdKnob (màu xanh) đạt được phạm vi các mức quảng cáo rộng hơn, với khoảng cách đồng đều hơn (L1–L4) so với các phương pháp cạnh tranh, đồng thời nhìn chung duy trì chất lượng câu trả lời cao hơn ở các mức cường độ quảng cáo tương đương.

AdKnob tạo ra phạm vi cường độ quảng cáo rộng hơn và nhất quán hơn so với các phương pháp cạnh tranh, đồng thời nhìn chung đưa ra câu trả lời chất lượng cao hơn ở các mức tương đương. Kết quả này được cho là nhờ các mã điều khiển mới và việc loại bỏ những câu trả lời kém chất lượng trong quá trình huấn luyện.

Tại đây, các tác giả viết:

‘JU-NLP tinh chỉnh mô hình để quảng cáo ít lộ liễu hơn mà không kiểm soát cường độ một cách rõ ràng, khiến các câu trả lời được tạo ra có cường độ cố định. NL-prompt hỗ trợ nhiều mức cường độ, nhưng phạm vi hẹp và điểm số quảng cáo thiếu nhất quán, xác nhận rằng các câu lệnh bằng ngôn ngữ tự nhiên không đủ để kiểm soát cường độ.

‘Ngược lại, AdKnob bao phủ một phạm vi cường độ quảng cáo rộng và đồng đều.

‘Điều này là nhờ các mã điều khiển quảng cáo của chúng tôi. Những mã này không mang ngữ nghĩa được huấn luyện trước mà chỉ đóng vai trò là tín hiệu điều kiện hóa để kiểm soát cường độ quảng cáo, cho phép DPO thiết lập ánh xạ rõ ràng từ mỗi mã tới mức cường độ mục tiêu tương ứng.’

Theo bài báo, phương pháp của các tác giả cũng tạo ra câu trả lời chất lượng cao hơn so với các phương pháp cạnh tranh ở mức cường độ quảng cáo tương đương. Cải thiện này được cho là nhờ các ví dụ huấn luyện trong đó những câu trả lời kém hơn bị chủ động loại bỏ.

Tiếp theo là phần đánh giá khả năng gắn nhãn quảng cáo của hệ thống:

Kết quả phát hiện quảng cáo trên bốn mô hình AI. Điểm số càng cao cho thấy độ chính xác càng tốt; các kết quả tốt nhất được in đậm.

AdKnob đạt độ chính xác phát hiện tổng thể cao nhất trên cả bốn mô hình, xác định quảng cáo chỉ trong 2.5-7.3 mili giây cho mỗi câu trả lời. Trong khi đó, BERTScore cần khoảng 1,800 mili giây, khiến AdKnob nhanh hơn hơn 500 lần trên mô hình nhỏ nhất được thử nghiệm.

Các tác giả cho biết thêm:

‘AdKnob huấn luyện mô hình thiết lập mối liên hệ quy kết chặt chẽ giữa các mã đầu vào liên quan đến quảng cáo và các đoạn quảng cáo thông qua hướng dẫn rõ ràng dựa trên phương pháp loại bỏ, qua đó đạt AUC và điểm F1 cao nhất trên tất cả các mô hình.’

‘Ngoài ra, AdKnob cho phép gắn nhãn theo thời gian thực mà không phát sinh thêm chi phí suy luận, ở mức ∼3 mili giây cho mỗi câu trả lời trên [Qwen3-4B.]

Trong một thử nghiệm định tính, quảng cáo Nintendo Switch được đưa vào như một trong vài đề xuất ở Cấp độ 1. Ở Cấp độ 4, thương hiệu này chiếm ưu thế trong câu trả lời, với các đoạn quảng bá được AdKnob xác định ở cả hai mức cường độ:

Câu trả lời mẫu cho truy vấn về Walmart Black Friday ở hai mức quảng cáo. Các đoạn được tô sáng và đánh dấu [AD] là nội dung quảng bá.

Cuối cùng**, các tác giả tiến hành một nghiên cứu người dùng với 913 người tham gia. Họ đánh giá cường độ quảng cáo và chất lượng câu trả lời, so sánh AdKnob với các phương pháp cạnh tranh, đồng thời đánh giá độ chính xác khi xác định nội dung quảng bá:

Kết quả đánh giá AdKnob của con người. Bảng thể hiện điểm đánh giá về cường độ quảng cáo và chất lượng câu trả lời, tỷ lệ ưu tiên so với các phương pháp cạnh tranh và độ chính xác phát hiện quảng cáo. Các ô màu xanh lá biểu thị tỷ lệ ưu tiên trên 50%.

Các tác giả kết luận:

‘AdKnob đạt AUC và điểm F1 cao nhất. Đáng chú ý, AdKnob có độ nhạy cao và ít âm tính giả. Đây là yếu tố quan trọng từ góc độ quản lý, bởi không công khai một đoạn quảng cáo sẽ gây ra rủi ro pháp lý và làm suy giảm lòng tin nghiêm trọng.’

Kết luận

Một điều đáng suy ngẫm về quảng cáo trong LLM, và là khía cạnh mà tôi chưa thấy ai chú ý đến, là chuyện gì sẽ xảy ra khi đầu ra không có quảng cáo và đầu ra dựa trên quảng cáo giống hệt nhau?

Chẳng hạn, nếu ai đó hỏi xin gợi ý về một quán ăn địa phương, trong khi ở đó chỉ có McDonald’s và một quán cà phê bị đánh giá rất tệ, nhưng McDonald’s đã trả tiền để được ưu tiên hiển thị, thì có lẽ McDonald’s sẽ được giới thiệu dưới dạng quảng cáo vì phù hợp với mục tiêu của nền tảng chủ quản..ngay cả khi vốn dĩ đó đã là lựa chọn tự nhiên?

Đọc về những chuyện như thế này, vốn là chủ đề tôi thường viết trên trang này, khiến tôi cảm thấy mình như một con gà tây đang xem danh mục lò nướng. Điều chúng ta nên nhớ là ngay cả khi một số khu vực chỉ yêu cầu gắn nhãn ở mức tối thiểu, nội dung “thiếu thành thực” trong các đầu ra của chúng ta cũng sẽ không được làm nổi bật. Một số ít ví dụ được nêu trong bài báo này và các bài tương tự cho thấy nội dung thương mại xâm lấn nội dung nguyên bản đến mức quá đáng.

Và dĩ nhiên, đây là những trường hợp được chọn lọc kỹ: những trường hợp hoạt động hiệu quả, không bịa ra thông tin, không tạo ra những liên tưởng quá đáng hoặc xúc phạm, cũng không gây tranh cãi theo cách nào khác. Khi triển khai trên quy mô lớn, với những kiến trúc dễ gặp các vụ bê bối công khai như vậy, đây có lẽ là một lý do nữa khiến phần lớn dịch vụ tiên phong đang thận trọng tiếp cận quảng cáo.

* Có tiêu đề “AdKnob: Ad Intensity Control and Labeling for LLM-Native Advertising”, do sáu tác giả thuộc Khoa Máy tính tại KAIST viết.

** Như thường lệ, chúng tôi không đề cập đến các thí nghiệm loại bỏ thành phần (trừ trường hợp chúng là một phần cốt lõi trong giá trị của công trình, chứ không chỉ nhằm kiểm tra sơ bộ).

Đăng lần đầu vào thứ Năm, ngày 5 tháng 11 năm 2026